人工智能的成功在很大程度上依赖于“隐形工人”，但他们的职业前景有限

最近，西弗吉尼亚大学人机交互实验室主任萨皮·萨维奇（Sapih Savage）在麻省理工学院技术评论的一篇文章中谈到了人工智能行业中“隐形工人”的问题。许多大规模的企业级深度学习应用需要大量的训练数据来确保可靠性，而数据标注通常由分布在世界各地的许多低薪工人完成。

最大的和最成功的机器学习模型通常是在通过亚马逊的机械土耳其等平台工作的零工工人标注的数据上训练的。机械土耳其工人承担微任务，包括数据标注。例如，工人可能会标注图像中的物体，以便计算机视觉系统可以识别物体，或者转录对话，以便数字助手可以使用语音识别系统。

一些估计表明，美国的机械土耳其工人数量超过50万人，其中超过一半的工人通过该平台赚取了三分之二以上的收入。由于新冠疫情使许多人失业，最近几个月，像机械土耳其这样的平台上的零工工人数量有所增加。

萨维奇谈到了这样一个问题：虽然众包工作本身并不是坏事，但它可能会带来剥削。这些工人中的大多数人收入低于最低工资标准。这些职位往往停滞不前，因为它们不允许工人提升技能或做出可以轻松列入简历的工作。其他科技公司，如微软或谷歌，可能有自己的平台来招募工人，但流程通常是相同的。

萨维奇认为，大型科技公司雇佣分布式工人并低薪支付不是故意的。萨维奇认为，这更可能是因为科技公司不了解他们要求工人完成的工作的复杂性和所需的技能，低估了完成这些任务所需的时间。

萨维奇认为，可以采取一些措施来改善“隐形工人”的工作条件和职业轨迹，他们使得人工智能模型的创建成为可能。可以创建系统来帮助任务工人评估完成任务所需的时间，让他们决定是否值得花时间完成任务。事实上，萨维奇正在尝试创建一个人工智能模型，帮助工人更好地预测哪些任务最值得他们的时间，哪些任务将帮助他们建立所需的技能。该拟议的人工智能模型将学习当前用户最有效的建议，采集反馈，并随着时间的推移不断改进。如果工人想要增加他们的收入，他们可以使用人工智能工具来确定应该专注于哪些任务。

在帮助“隐形工人”改善职业选择方面，工人可以被引导到能够帮助他们建立新技能的任务。发布任务的公司也可以提供实习和课程，以及培训课程。最终，萨维奇认为，科技领域的零工工人需要被赋予代理权和尊重，就像科技领域的其他工人一样。正如萨维奇在麻省理工学院技术评论中被引用的话说：

“这也关乎改变我们的叙述。最近我遇到了两名众包工人，他们自称为科技工人——我是说，他们确实是科技工人，因为他们正在推动我们的科技发展。当我们谈论众包工人时，他们通常被描述为拥有糟糕的工作。但是，改变我们对这些人的看法可能会有所帮助。对于他们来说，这只是另一份科技工作。”

萨维奇的采访是在科技领域对零工工人的权利关注度增加之际进行的。最近，德国联邦劳动法院承认了一名众包工人具有雇员的法律地位，这可能会对德国未来的众包工人待遇产生影响。